盒马盒马超盒算NB-安全管理专家-广州

1、指导并定期评估门店内外盗及库调损耗状况，协调营运做好损耗控制工作；指导店铺每月关注商品破损、库存调整，指引商场做好相应的控制； 2、负责门店消防安全管理工作，负责门店与消防/公安等政府职能部门之间的沟通协调，指导店铺定期评估门店人员事故、财产事故及高风险设备所存在的风险，及时提出有效建议及并跟进执行； 3、针对营运过程中发现的损耗环节，与相关部门制定相应的防损措施、控制办法并监督执行； 4、监督及控制各防损工作程序的执行情况及汇总分析工作，并提出相对应的防损措施； 5、负责诚信调查、定期回顾职责范围诚信环境，定期开展员工的诚实培训和宣传推广； 6、指导组织所在门店举行安全宣传与培训，跟进门店各部门对安全政策/程序的执行； 7、对防损系统工作人员进行有效的培训及指导； 8、协助店铺发生的重大事故及危机能够立即上报及并做妥善。

1、指导并定期评估门店内外盗及库调损耗状况，协调营运做好损耗控制工作；指导店铺每月关注商品破损、库存调整，指引商场做好相应的控制； 2、负责门店消防安全管理工作，负责门店与消防/公安等政府职能部门之间的沟通协调，指导店铺定期评估门店人员事故、财产事故及高风险设备所存在的风险，及时提出有效建议及并跟进执行； 3、针对营运过程中发现的损耗环节，与相关部门制定相应的防损措施、控制办法并监督执行； 4、监督及控制各防损工作程序的执行情况及汇总分析工作，并提出相对应的防损措施； 5、负责诚信调查、定期回顾职责范围诚信环境，定期开展员工的诚实培训和宣传推广； 6、指导组织所在门店举行安全宣传与培训，跟进门店各部门对安全政策/程序的执行； 7、对防损系统工作人员进行有效的培训及指导； 8、协助店铺发生的重大事故及危机能够立即上报及并做妥善。

1. 区域伙伴的盘点与细分，按照伙伴规模、属性、能力、投入划分，建立伙伴资料库，针对圈选伙伴进行重点运营。 2. 分销政策执行过程管理，进行线下政策宣贯解读，保证伙伴充分了解政策导向和规则细节，指导伙伴充分利用政策规则制定内部激励和对客策略。 3. 伙伴问题反馈收口，充分收集伙伴在政策执行、系统使用、数据赋能等方面的问题和意见，反馈策略运营并推动相关政策、系统迭代。 4. 阿里云产品线对接，领导并管理跨部门团队合作，与产品研发、产品运营、技术支持等相关团队协作，共同推进业务策略的成功； 5. 数据运营：赋能伙伴，根据伙伴数据洞察业务问题，追踪业务进度并推动伙伴业务发展，实时监控各项业务指标，及时调整策略方向，确保达成既定增长目标。 6. 伙伴作业风险管理：伙伴异常数据分析，识别潜在风险并及时宣导和制止，对接品控、廉政团队推动事件闭环。

1. 行业解决方案设计与交付 - 基于阿里云大模型技术（如通义千问），为银行、保险、证券等金融客户量身定制AI大模型解决方案，覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点，提供从需求分析、技术选型到方案落地的全流程支持，确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练（Post-training）、领域微调（Domain-specific Fine-tuning）、模型蒸馏（Distillation）及多模态融合优化，提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能，包括分布式训练加速（如DeepSpeed、Megatron-LM）、显存优化、量化压缩（INT8/FP16）及低延迟推理部署（如vLLM、SGLang）等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求，设计高性能计算架构，优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求，设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证，推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践，输出白皮书、案例研究及标准化解决方案，提升阿里云在金融AI领域的市场影响力。